科學院和香港城市大學的一組研究人員介紹了一種local-to-global的方法，可以從簡單的草圖生成逼真的人臉。

雖然隨著GANs技術的發展，從圖像到圖像的轉換技術使得草圖迅速生成人臉圖像成為可能 。但是已存在的一些技術往往容易過擬合，導致生成的圖像過度接近草圖。因此草圖要畫得非常好 ，生成的圖片才能得到好的效果。

與大多數基于深度學習的草圖轉換為圖像的解決方案不同，之前的方案將輸入草圖作為固定的“硬”約束，然后嘗試重建筆畫之間丟失的紋理或陰影信息；而本文中的新方法關鍵思想是隱式學習從真實人臉素描圖像中獲得合理的人臉素描空間，并在該空間中找到接近輸入素描的點。由于此方法將輸入草圖更多地視為“軟”約束來指導圖像合成，因此即使來自粗糙或不完整的輸入，它也能夠生成具有更G真實性的G質量人臉圖像。